标题:CNN特征与BOF相融合的水下目标识别算法
作者:权稳稳; 林明星
作者机构:[权稳稳]山东大学机械工程学院, 济南, 山东 250061, 中国;[林明星]山东大学机械工程学院, 济南, 山东 250061, 中国.
来源:山东大学学报. 工学版
出版年:2019
卷:49
期:1
页码:107-113
关键词:水下目标识别; SIFT匹配; 卷积神经网络; 汉明距离
摘要:为了改善作为低级表示的尺度不变特征变换(scale invariant feature; transform,SIFT)匹配常出现的没有足够特征来防止假匹配的问题,提出在传统方法词袋(bag of; features,BOF)算法中融合具有较好语义分割能力的卷积神经网络(convolution neural; network,CNN)特征来提高识别率的方法。利用ImageCLEF网站的LifeCLEF鱼类视频,制作目标图像数据库。在; caffe平台的Alexnet模型进行卷积神经网络的训练,提取图像库和查询图像的特征。利用训练好的CNN特征在Matlab软件进行识别试验验证,; 计算汉明距离来验证匹配效果。改变参数值来观察不同汉明距离阈值对水下目标识别结果的影响。自制图像库的试验表明,融合深度学习的特征可以有效提高BOF; 算法的水下目标识别率,对汉明距离阈值的选择需要根据实际情况选择合适的参数。
收录类别:CSCD
资源类型:期刊论文
原文链接:qikan.cqvip.com/Qikan/Article/Detail?id=83687189504849574849484953
TOP